Haskell正则匹配问题：提取<nARD>标签内容不符预期

针对你遇到的情况，要提取所有<nARD>标签内的内容，需要调整正则匹配的结果处理方式：

问题原因 #

• 使用getAllTextMatches时，它会返回整个正则匹配的完整文本（也就是每个<nARD>...</nARD>标签），而非捕获组内的内容。
• matchRegex仅会查找第一个匹配项，所以只能得到第一个标签内的abcd，无法获取后续的匹配结果。

解决方案 #

使用getAllMatches替代getAllTextMatches，它会返回每个匹配对应的捕获组列表，再从中提取目标捕获组即可：

import Text.Regex.Posix

extractNARDContent :: String -> [String]
extractNARDContent input = map (!! 1) $ getAllMatches (input =~ "<nARD>([a-zA-Z0-9?=-]*)</nARD>") :: [String]

-- 测试示例
main = print $ extractNARDContent "<a> <b> <nARD>abcd</nARD> </c> <nARD>pqrs</nARD>"
-- 输出：["abcd","pqrs"]

代码解释 #

1. getAllMatches (input =~ regex)会返回一个[[String]]类型的结果：每个子列表对应一个匹配项，子列表的第一个元素是整个匹配的完整标签，第二个元素就是我们需要的捕获组内容（标签内的文本）。
2. map (!! 1)遍历每个匹配的子列表，提取第二个元素（索引为1的捕获组），最终得到所有标签内的文本列表。

补充说明 #

如果你的正则表达式有多个捕获组，getAllMatches会返回包含所有捕获组的列表，按需提取对应索引的元素即可。

内容的提问来源于stack exchange，提问作者Sarthak